Questão nº 83
Questão de Engenharia Elétrica/Eletrônica · CEBRASPE PF 2025 (nº 83)
Julgue os itens subsecutivos, em relação às redes neurais denominadas CNN, RNN e LSTM.
Vanishing gradient e exploding gradient são duas condições que podem ser encontradas em redes RNN; o emprego de célula de memória busca mitigar a ocorrência dessas condições em redes LSTM.
Resposta comentada
Vanishing gradient (gradiente que some ao retropropagar, fazendo a rede parar de aprender) e exploding gradient (gradiente que explode, causando instabilidade) são problemas comuns em redes recorrentes (RNN) por causa das multiplicações repetidas durante o treinamento. A célula de memória da LSTM (Long Short-Term Memory) é uma estrutura com portões que controlam o fluxo de informação, permitindo que o gradiente "atravesse" longas sequências sem sumir ou explodir.
- Correta: Certo. A LSTM foi projetada exatamente para mitigar vanishing/exploding gradient, usando a célula de memória como um "caminho de atalho" para o gradiente fluir estável.
Fica de olho: A banca pode inverter a lógica, dizendo que "LSTM elimina completamente o vanishing gradient" ou que "RNN simples não sofre desses problemas". A pegadinha clássica é afirmar que a LSTM resolve (em vez de mitiga) o problema — na prática, ela reduz drasticamente, mas não elimina em 100% dos casos. Outra variação: trocar LSTM por CNN, que não tem esse problema recorrente, pois não processa sequências temporais da mesma forma.
Fonte: CEBRASPE PF 2025 Perito Criminal Federal - Engenharia Elétrica/Eletrônica. Reproduzida para fins de estudo.